CN116722772A - 一种基于改进粒子群的永磁同步电机控制方法及系统 - Google Patents
一种基于改进粒子群的永磁同步电机控制方法及系统 Download PDFInfo
- Publication number
- CN116722772A CN116722772A CN202310671331.7A CN202310671331A CN116722772A CN 116722772 A CN116722772 A CN 116722772A CN 202310671331 A CN202310671331 A CN 202310671331A CN 116722772 A CN116722772 A CN 116722772A
- Authority
- CN
- China
- Prior art keywords
- permanent magnet
- synchronous motor
- magnet synchronous
- sliding mode
- mode control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 109
- 239000002245 particle Substances 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 claims abstract description 60
- 238000004804 winding Methods 0.000 claims abstract description 12
- 230000014509 gene expression Effects 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 230000013016 learning Effects 0.000 claims description 6
- 230000009326 social learning Effects 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0007—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本申请提供了一种基于改进粒子群的永磁同步电机控制方法及系统、设备、介质，所述方法包括：根据永磁同步电机的三相定子绕组构建两相旋转坐标系，构建该永磁同步电机在所述两相旋转坐标系下的运动模型；根据所述永磁同步电机的运动模型，基于滑模控制算法构建永磁同步电机的电流控制模型，所述电流控制模型包括若干个待优化的滑模控制参数；基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化，得到最优的滑模控制参数；根据所述最优的滑模控制参数，对所述永磁同步电机进行滑模控制。本申请利用基于改进的粒子群智能算法，可以具有更强的全局搜索和局部优化特性，加快系统到达滑模面的速度，提高系统的动态性能。
Description
技术领域
本申请涉及飞轮储能系统技术领域，特别涉及一种基于改进粒子群的永磁同步电机控制方法及系统、设备、介质。
背景技术
随着风能、太阳能发电等可再生能源技术发展迅速，可再生能源在未来电力系统的能源结构中将占有极其重要的位置。但是可再生能源本身具有间歇性和随机性，如果直接接入电力系统中，会严重影响电力系统的电能质量。储能技术是解决这一问题，高效利用可再生能源的重要途径之一，是未来智能电网发展中不可或缺的一部分。
飞轮储能系统作为近些年新兴的物理储能系统在提高风电接入能力方面具有广阔的应用前景。由于飞轮储能系统的能量存储主要是在旋转的飞轮转子中，因此其能量转换主要依靠飞轮电机的变频调速来实现，就需要获得准确的转子位置和转速的相关信息。由于飞轮电机大多数采用高速永磁同步电机，永磁同步电机是典型的多变量和强耦合非线性系统，在实际操作中，传统的PI控制器虽然可以满足控制系统的要求，但控制器对外部和内部干扰非常敏感，导致控制性能有限，偏离预期的控制目标。滑模控制具有设计简单、控制算法简单、对参数变化和外部扰动变化不敏感等特点，已逐渐应用于永磁同步电机控制。然而，由于滑模控制中开关函数的不连续性，会产生严重的抖振，从而加剧系统的功率损耗。针对此问题，可采用粒子群优化算法实现滑模控制的系统优化，然而传统的粒子群优化算法通过遵循个体最优值和群体最优值来完成系统优化，虽然它具有操作简单、收敛速度快的优点，但在面对非线性和高复杂度对象时，容易陷入局部优化和分析能力弱的缺陷，这使得很难完全解决非线性优化问题。
发明内容
有鉴于此，本申请提出一种基于改进粒子群的永磁同步电机控制方法及系统、设备、介质，利用基于改进的粒子群智能算法，可以具有更强的全局搜索和局部优化特性，以用于对滑模控制参数进行优化，加快系统到达滑模面的速度，消除滑模控制器固有的高频抖动现象，提高系统的动态性能。
第一方面，本申请提供了一种基于改进粒子群的永磁同步电机控制方法，包括：
根据永磁同步电机的三相定子绕组构建两相旋转坐标系，构建该永磁同步电机在所述两相旋转坐标系下的运动模型；
根据所述永磁同步电机的运动模型，基于滑模控制算法构建永磁同步电机的电流控制模型，所述电流控制模型包括若干个待优化的滑模控制参数；
基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化，得到最优的滑模控制参数；
根据所述最优的滑模控制参数，对所述永磁同步电机进行滑模控制。
由上，本申请通过提供一种基于改进粒子群的永磁同步电机控制方法，通过对传统的粒子群优化算法进行改进得到自适应粒子群优化算法，并利用该自适应粒子群优化算法对永磁同步电机的滑模控制参数进行优化，以得到最优的滑模控制参数，从而实现对永磁同步电机的最优控制。本申请采用自适应粒子群优化算法能够具有更强的全局搜索和局部优化特性，使得滑模控制的控制精度高，无超调，对外部负载扰动具有较强的鲁棒性。
可选的，所述构建该永磁同步电机在所述两相旋转坐标系下的运动模型包括：
根据所述两相旋转坐标系，构建所述永磁同步电机在两相旋转坐标系下的电压方程：
电磁转矩Te的表达式为：
当永磁同步电机为隐极型时，若d轴电感与q轴电感一致，则电磁转矩Te的表达式为：
则永磁同步电机的运动模型为：
其中，id和iq为旋转坐标系d-q轴的定子电流，ud和uq是旋转两相坐标系中d-q轴的定子电压，p是极对数，L是发电机的等效电感，Ld和Lq是d-q轴电感，R为定子电阻，kM为电磁转矩系数，f是永磁体的磁链，J是惯性矩，ωr是电机转子的角速度。
由上，永磁同步电机由安装在转子表面的永磁体和三个相位定子绕组组成，三个绕组为正弦曲线，根据该永磁同步电机在两相旋转坐标系下的电压方程和电磁转矩表达式，可构建该永磁同步电机在两相旋转坐标系下的运动模型，以便于根据该运动模块构建基于滑模控制算法的控制模型。
可选的，所述基于滑模控制算法构建永磁同步电机的电流控制模型包括：
根据滑模控制算法，将永磁同步电机中的状态变量定义为：
其中，ωref是永磁同步电机的电机转子的目标设定角速度；
采用整数阶滑动面，滑动面定义为：
将传统的指数逼近法则引入所述滑动面可得到滑动面的表达式为：
根据所述滑动面的表达式，构建永磁同步电机的q轴的电流控制模型为：
其中，所述的c，ε，q为所述电流控制模型中的若干个待优化的滑模控制参数。
由上，基于上述构建的永磁同步电机的运动模型，本申请采用滑模控制算法实现永磁同步电机的滑模控制，从而有效地提高系统的控制精度和抗干扰能力，根据滑模控制算法构建永磁同步电机的q轴的电流控制模型，该电流控制模型中包含积分项，一方面可以减弱抖振现象，另一方面可以消除系统的稳态误差，系统的控制质量将得到提高。
可选的，所述自适应粒子群优化算法包括：
对粒子群优化算法中的惯性权重ω采用非线性递减策略进行改进，改进后的自适应惯性权重ω的表达式为：
其中，k是当前迭代次数，kmax是最大迭代次数，ωmax和ωmin为设定值；
根据改进后的自适应惯性权重ω，得到自适应粒子群优化算法的粒子速度更新公式为：
其中，
η是介于0和1之间的系数，c1是个体学习因子，c2是社会学习因子，r1和r2是0到1的随机数，和/>分别是粒子的位置和速度，/>和/>分别是个体极值和全局极值。
由上，本申请对粒子群优化算法进行改进时，通过对惯性权重采用非线性递减策略，从最大值变为最小值，以提高早期的全局搜索能力和后期的局部搜索能力，实现惯性权重的自适应迭代，并基于自适应惯性权重得到自适应粒子群优化算法的粒子速度更新公式，并通过调整速度更新公式中的个人学习因子与社会学习因子的比率，可以加快搜索速度。
可选的，所述基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化包括：
将粒子依次分配给所述电流控制模型中的待优化的滑模控制参数c，ε，q，利用自适应粒子群优化算法不断迭代更新粒子群速度；
利用积分时间加权绝对误差IATE作为性能评价指标，根据性能评价指标得到最优的滑模控制参数c，ε，q；所述积分时间加权绝对误差IATE的表达式为：
由上，通过采用积分时间加权绝对误差IATE作为性能评价指标，利用自适应粒子群优化算法寻找最优的滑模控制参数，从而利用该最优的滑模控制参数实现永磁同步电机的最优控制。
第二方面，本申请提供了一种基于改进粒子群的永磁同步电机控制系统，包括：
构建模块：用于根据永磁同步电机的三相定子绕组构建两相旋转坐标系，构建该永磁同步电机在所述两相旋转坐标系下的运动模型；
所述构建模块还用于根据所述永磁同步电机的运动模型，基于滑模控制算法构建永磁同步电机的电流控制模型，所述电流控制模型包括若干个待优化的滑模控制参数；
优化模块：用于基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化，得到最优的滑模控制参数；
控制模块，用于根据所述最优的滑模控制参数，对所述永磁同步电机进行滑模控制。
第三方面，本申请提供了一种计算设备，所述计算设备包括：
处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行，使得所述处理器实现上述的一种基于改进粒子群的永磁同步电机控制方法。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现上述的一种基于改进粒子群的永磁同步电机控制方法。
本申请的这些和其它方面在以下(多个)实施例的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种基于改进粒子群的永磁同步电机控制方法的流程图；
图2为本申请实施例提供的一种自适应粒子群优化的流程图；
图3为本申请实施例提供的一种基于改进粒子群的永磁同步电机控制的示意图；
图4为本申请实施例提供的一种基于改进粒子群的永磁同步电机控制系统的结构图；
图5为本申请实施例提供的一种计算设备的结构图。
应理解，上述结构示意图中，各框图的尺寸和形态仅供参考，不应构成对本申请实施例的排他性的解读。结构示意图所呈现的各框图间的相对位置和包含关系，仅为示意性地表示各框图间的结构关联，而非限制本申请实施例的物理连接方式。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
基于现有的永磁同步电机存在的控制问题，本申请实施例根据两相旋转坐标系构建永磁同步电机的运动模型，并基于该运动模型采用滑模控制算法构建该永磁同步电机的电流控制模型，然后利用自适应粒子群优化算法对电流控制模型中的滑模控制参数进行不断优化，使得永磁同步电机的滑模控制过程逐渐趋于稳定，实现永磁同步电机的高精度控制。
如图1所示，本申请实施例提供了一种基于改进粒子群的永磁同步电机控制方法，参照图1，该方法包括：
S10：根据永磁同步电机的三相定子绕组构建两相旋转坐标系，构建该永磁同步电机在所述两相旋转坐标系下的运动模型；
其中，本步骤中的永磁同步电机由安装在转子表面的永磁体和三个相位定子绕组组成，三个定子绕组为正弦曲线，假定绕组无阻尼，磁通饱和、涡流、磁滞电流损耗和电流场动力学可以忽略不计，感应电动势是正弦的。则永磁同步电机在该两相旋转坐标系下的电压方程为：
电磁转矩Te的表达式为：
当永磁同步电机为隐极型时，若d轴电感与q轴电感一致，则式(2)的电磁转矩Te的表达式可改写为：
则永磁同步电机的运动模型为：
其中，id和iq为旋转坐标系d-q轴的定子电流，ud和uq是旋转两相坐标系中d-q轴的定子电压，p是极对数，L是发电机的等效电感，Ld和Lq是d-q轴电感，R为定子电阻，kM为电磁转矩系数，f是永磁体的磁链，J是惯性矩，ωr是电机转子的角速度。
S20：根据所述永磁同步电机的运动模型，基于滑模控制算法构建永磁同步电机的电流控制模型，所述电流控制模型包括若干个待优化的滑模控制参数；
由于永磁同步电机的非线性，传统的PI控制无法不能满足系统的要求，基于此，本申请实施例在永磁同步电机矢量控制中，采用滑模控制代替传统的PI速度控制器，从而有效地提高系统的控制精度和抗干扰能力。其中，根据滑模控制算法，将永磁同步电机中的状态变量定义为：
其中，ωref是永磁同步电机的电机转子的目标设定角速度，通常为恒定值，ωr是电机转子的实际角速度；
采用整数阶滑动面，滑动面定义为：
传统的指数逼近法则为：
将上述式(8)的传统的指数逼近法则引入上述式(7)的滑动面可得到滑动面的表达式为：
根据上述滑动面的表达式(9)，构建永磁同步电机的q轴的电流控制模型为：
其中，所述的c，ε，q为所述电流控制模型中的若干个待优化的滑模控制参数。
本步骤中构建的永磁同步电机的q轴的电流控制模型中包含积分项，一方面可以减弱抖振现象，另一方面可以消除系统的稳态误差，系统的控制质量将得到提高，当滑模达到设定条件时，系统在控制器的作用下逐渐稳定。
S30：基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化，得到最优的滑模控制参数；
PSO(Particle Swarm Optimization，粒子群优化)算法在求解连续非线性优化问题时是鲁棒的，在粒子群优化算法中，每个解都是搜索空间中的“鸟”，这被称为“粒子”，该群被建模为具有位置和速度的多维空间中的粒子，这些粒子有两种基本能力：记忆自己的最佳位置和理解世界的最佳位置，小组成员交换好的位置，并根据合适的位置调整他们的位置和速度。
粒子群优化的一般步骤如下：
a：初始化粒子群中的粒子速度和位置，计算每个粒子的适应度值，并选择局部极值和全局极值；
b：粒子速度位置将根据粒子局部和全局极值进行更新；
c：重复步骤b，直到达到最大迭代次数或误差收敛。
在上述优化过程中，粒子速度位置更新为：
vid＝ωvid+c1r1(pid-xid)+c2r2(pgd-xid) (11)
xid＝xid+vid (12)
其中，ω是惯性权重，c1是个体学习因子，c2是社会学习因子，r1和r2是0到1的随机数，和/>分别是粒子的位置和速度，/>和/>分别是个体极值和全局极值。
由于传统粒子群算法通过遵循个体最优值和群体最优值来完成系统优化，虽然它具有操作简单、收敛速度快的优点，但在面对非线性和高复杂度对象时，容易陷入局部优化和分析能力弱的缺陷，这使得很难完全解决非线性优化问题。为了实现粒子群优化算法的自适应参数整定，避免算法陷入局部优化，本申请实施例从自适应惯性权重和粒子速度更新公式的角度提出了一种新的自适应粒子群优化算法。
其中，对粒子群优化算法中的惯性权重ω采用非线性递减策略进行改进，改进后的自适应惯性权重ω的表达式为：
其中，k是当前迭代次数，kmax是最大迭代次数，ωmax和ωmin为设定值，根据实验证明，ωmax取值0.8，ωmin取值0.3时，可以使得自适应粒子群优化算法具有更强的搜索性能。
在粒子群优化算法的粒子速度更新公式中，第一项表示粒子的惯性速度，第二项表示自经验学习，第三项表示社会经验。为了提高算法的搜索性能，根据改进后的自适应惯性权重ω，可得到自适应粒子群优化算法的粒子速度更新公式为：
其中，
η是介于0和1之间的系数，通过调整速度更新公式中的个人学习因子与社会学习因子的比率，可以加快搜索速度，速度更新公式迭代早期η逐渐增加，后期逐渐减少。如图2所示，在PSO搜索的初始阶段，粒子可以在解空间中搜索可能的最优解，其他粒子可以通过组之间的信息交换尽快移动到边缘解空间。因此，基于自适应粒子群优化算法可以使粒子尽快移动到可能的最优解，并在附近搜索，以提高算法的准确性。
基于上述式(14)的自适应粒子群优化算法，可以对步骤S20构建的电流控制模型的滑模控制参数进行优化，该优化过程包括：
将粒子依次分配给所述电流控制模型中的待优化的滑模控制参数c，ε，q，利用自适应粒子群优化算法不断迭代更新粒子群速度；
利用积分时间加权绝对误差IATE作为性能评价指标，根据性能评价指标得到最优的滑模控制参数c，ε，q；所述积分时间加权绝对误差IATE的表达式为：
S40：根据所述最优的滑模控制参数，对所述永磁同步电机进行滑模控制。
如图3所示为本申请实施例提供的一种基于改进粒子群的永磁同步电机控制的示意图，参照图3，飞轮储能系统在进行充放电控制时，可采用本申请实施例的基于改进粒子群的永磁同步电机控制对滑模控制参数进行迭代优化，利用优化后的滑模控制参数代入电流控制模型，得到永磁同步电机的q轴控制电流，并采用该q轴控制电流对永磁同步电机进行控制，通过对滑模控制参数不断进行迭代优化，直至对永磁同步电机的控制达到全局最优，从而实现飞轮储能系统充放电过程中的最优滑模控制，提供飞轮储能系统的稳定性。
综上所述，本申请实施例通过提供一种基于改进粒子群的永磁同步电机控制方法，从自适应惯性权重和粒子速度更新公式的角度对传统的粒子群优化算法进行改进得到自适应粒子群优化算法，并利用该自适应粒子群优化算法对永磁同步电机的滑模控制参数进行优化，以得到最优的滑模控制参数，从而实现对永磁同步电机的最优控制。本申请实施例采用自适应粒子群优化算法能够具有更强的全局搜索和局部优化特性，使得滑模控制的控制精度高，无超调，对外部负载扰动具有较强的鲁棒性。
图4为本申请实施例提供的一种基于改进粒子群的永磁同步电机控制系统的结构图，该系统可用于实现上述基于改进粒子群的永磁同步电机控制方法的任一步骤及其可选的实施例。参照图4所示，该系统包括构建模块210、优化模块220和控制模块230；
其中，构建模块210用于根据永磁同步电机的三相定子绕组构建两相旋转坐标系，构建该永磁同步电机在所述两相旋转坐标系下的运动模型；构建模块210还用于根据所述永磁同步电机的运动模型，基于滑模控制算法构建永磁同步电机的电流控制模型，所述电流控制模型包括若干个待优化的滑模控制参数；优化模块220用于基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化，得到最优的滑模控制参数；控制模块230用于根据所述最优的滑模控制参数，对所述永磁同步电机进行滑模控制。
应理解的是，本申请实施例中的装置或模块可以由软件实现，例如可以由具有上述功能计算机程序或指令来实现，相应计算机程序或指令可以存储在终端内部的存储器中，通过处理器读取该存储器内部的相应计算机程序或指令来实现上述功能。或者，本申请实施例的装置或模块还可以由硬件来实现。又或者，本申请实施例中的装置或模块还可以由处理器和软件模块的结合实现。
应理解，本申请实施例中的装置或模块的处理细节可以参考图1-图3所示的实施例及相关扩展实施例的相关表述，本申请实施例将不再重复赘述。
图5是本申请实施例提供的一种计算设备1000的结构性图。该计算设备1000包括：处理器1010、存储器1020、通信接口1030、总线1040。
应理解，图5所示的计算设备1000中的通信接口1030可以用于与其他设备之间进行通信。
其中，该处理器1010可以与存储器1020连接。该存储器1020可以用于存储该程序代码和数据。因此，该存储器1020可以是处理器1010内部的存储单元，也可以是与处理器1010独立的外部存储单元，还可以是包括处理器1010内部的存储单元和与处理器1010独立的外部存储单元的部件。
可选的，计算设备1000还可以包括总线1040。其中，存储器1020、通信接口1030可以通过总线1040与处理器1010连接。总线1040可以是外设部件互连标准(PeripheralComponent Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。所述总线1040可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
应理解，在本申请实施例中，该处理器1010可以采用中央处理单元(centralprocessing unit，CPU)。该处理器还可以是其它通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(fieldprogrammable gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。或者该处理器1010采用一个或多个集成电路，用于执行相关程序，以实现本申请实施例所提供的技术方案。
该存储器1020可以包括只读存储器和随机存取存储器，并向处理器1010提供指令和数据。处理器1010的一部分还可以包括非易失性随机存取存储器。例如，处理器1010还可以存储设备类型的信息。
在计算设备1000运行时，所述处理器1010执行所述存储器1020中的计算机执行指令执行上述方法的操作步骤。
应理解，根据本申请实施例的计算设备1000可以对应于执行根据本申请各实施例的方法中的相应主体，并且计算设备1000中的各个模块的上述其它操作和/或功能分别为了实现本实施例各方法的相应流程，为了简洁，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行上述方法，该方法包括上述各个实施例所描述的方案中的至少之一。
本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括、但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是，本申请所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，上述对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
说明书和权利要求书中的词语“第一、第二、第三等”或模块A、模块B、模块C等类似用语，仅用于区别类似的对象，不代表针对对象的特定排序，可以理解地，在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
在上述的描述中，所涉及的表示步骤的标号，并不表示一定会按此步骤执行，还可以包括中间的步骤或者由其他的步骤代替，在允许的情况下可以互换前后步骤的顺序，或同时执行。
说明书和权利要求书中使用的术语“包括”不应解释为限制于其后列出的内容；它不排除其它的元件或步骤。因此，其应当诠释为指定所提到的所述特征、整体、步骤或部件的存在，但并不排除存在或添加一个或更多其它特征、整体、步骤或部件及其组群。因此，表述“包括装置A和B的设备”不应局限为仅由部件A和B组成的设备。
本说明书中提到的“一个实施例”或“实施例”意味着与该实施例结合描述的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在本说明书各处出现的用语“在一个实施例中”或“在实施例中”并不一定都指同一实施例，但可以指同一实施例。此外，在本申请的各个实施例中，如果没有特殊说明以及逻辑冲突，不同的实施例之间的术语和/或描述具有一致性、且可以相互引用，不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
注意，上述仅为本申请的较佳实施例及所运用的技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明的构思的情况下，还可以包括更多其他等效实施例，均属于本发明的保护范畴。
Claims (8)
1.一种基于改进粒子群的永磁同步电机控制方法，其特征在于，包括：
根据永磁同步电机的三相定子绕组构建两相旋转坐标系，构建该永磁同步电机在所述两相旋转坐标系下的运动模型；
根据所述永磁同步电机的运动模型，基于滑模控制算法构建永磁同步电机的电流控制模型，所述电流控制模型包括若干个待优化的滑模控制参数；
基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化，得到最优的滑模控制参数；
根据所述最优的滑模控制参数，对所述永磁同步电机进行滑模控制。
2.根据权利要求1所述的方法，其特征在于，所述构建该永磁同步电机在所述两相旋转坐标系下的运动模型包括：
根据所述两相旋转坐标系，构建所述永磁同步电机在两相旋转坐标系下的电压方程：
电磁转矩Te的表达式为：
当永磁同步电机为隐极型时，若d轴电感与q轴电感一致，则电磁转矩Te的表达式为：
则永磁同步电机的运动模型为：
其中，id和iq为旋转坐标系d-q轴的定子电流，ud和uq是旋转两相坐标系中d-q轴的定子电压，p是极对数，L是发电机的等效电感，Ld和Lq是d-q轴电感，R为定子电阻，kM为电磁转矩系数，f是永磁体的磁链，J是惯性矩，ωr是电机转子的角速度。
3.根据权利要求2所述的方法，其特征在于，所述基于滑模控制算法构建永磁同步电机的电流控制模型包括：
根据滑模控制算法，将永磁同步电机中的状态变量定义为：
其中，ωref是永磁同步电机的电机转子的目标设定角速度；
采用整数阶滑动面，滑动面定义为：
将传统的指数逼近法则引入所述滑动面可得到滑动面的表达式为：
根据所述滑动面的表达式，构建永磁同步电机的q轴的电流控制模型为：
其中，所述的c，ε，q为所述电流控制模型中的若干个待优化的滑模控制参数。
4.根据权利要求3所述的方法，其特征在于，所述自适应粒子群优化算法包括：
对粒子群优化算法中的惯性权重ω采用非线性递减策略进行改进，改进后的自适应惯性权重ω的表达式为：
其中，k是当前迭代次数，kmax是最大迭代次数，ωmax和ωmin为设定值；
根据改进后的自适应惯性权重ω，得到自适应粒子群优化算法的粒子速度更新公式为：
其中，
η是介于0和1之间的系数，c1是个体学习因子，c2是社会学习因子，r1和r2是0到1的随机数，和/>分别是粒子的位置和速度，/>和/>分别是个体极值和全局极值。
5.根据权利要求4所述的方法，其特征在于，所述基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化包括：
将粒子依次分配给所述电流控制模型中的待优化的滑模控制参数c，ε，q，利用自适应粒子群优化算法不断迭代更新粒子群速度；
利用积分时间加权绝对误差IATE作为性能评价指标，根据性能评价指标得到最优的滑模控制参数c，ε，q；所述积分时间加权绝对误差IATE的表达式为：
6.一种基于改进粒子群的永磁同步电机控制系统，其特征在于，包括：
构建模块：用于根据永磁同步电机的三相定子绕组构建两相旋转坐标系，构建该永磁同步电机在所述两相旋转坐标系下的运动模型；
所述构建模块还用于根据所述永磁同步电机的运动模型，基于滑模控制算法构建永磁同步电机的电流控制模型，所述电流控制模型包括若干个待优化的滑模控制参数；
优化模块：用于基于自适应粒子群优化算法对所述电流控制模型的滑模控制参数进行优化，得到最优的滑模控制参数；
控制模块，用于根据所述最优的滑模控制参数，对所述永磁同步电机进行滑模控制。
7.一种计算设备，其特征在于，包括：
处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行，使得所述处理器实现如权利要求1至6任意一项所述的一种基于改进粒子群的永磁同步电机控制方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被计算机执行时实现如权利要求1至6任意一项所述的一种基于改进粒子群的永磁同步电机控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310671331.7A CN116722772A (zh) | 2023-06-07 | 2023-06-07 | 一种基于改进粒子群的永磁同步电机控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310671331.7A CN116722772A (zh) | 2023-06-07 | 2023-06-07 | 一种基于改进粒子群的永磁同步电机控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116722772A true CN116722772A (zh) | 2023-09-08 |
Family
ID=87872764
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310671331.7A Pending CN116722772A (zh) | 2023-06-07 | 2023-06-07 | 一种基于改进粒子群的永磁同步电机控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116722772A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117910329A (zh) * | 2024-03-19 | 2024-04-19 | 山东省计算中心（国家超级计算济南中心） | 基于改进粒子群优化算法的海洋时序数据预测方法及系统 |
-
2023
- 2023-06-07 CN CN202310671331.7A patent/CN116722772A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117910329A (zh) * | 2024-03-19 | 2024-04-19 | 山东省计算中心（国家超级计算济南中心） | 基于改进粒子群优化算法的海洋时序数据预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bolognani et al. | Design and implementation of model predictive control for electrical motor drives | |
| CN104283393B (zh) | 一种单绕组磁悬浮开关磁阻电机结构参数的优化方法 | |
| Xie et al. | PI controller of speed regulation of brushless DC motor based on particle swarm optimization algorithm with improved inertia weights | |
| CN116722772A (zh) | 一种基于改进粒子群的永磁同步电机控制方法及系统 | |
| CN109787531A (zh) | 一种开关磁阻轮毂电机预测控制方法 | |
| CN105375848A (zh) | 一种永磁同步电机自适应辨识控制方法及其控制系统 | |
| WO2023173601A1 (zh) | 基于离散空间矢量调制的永磁同步电机预测转矩控制方法 | |
| CN108399304A (zh) | 一种基于克里金模型的多点加点优化采样方法 | |
| CN110401393A (zh) | 宽容分层序列模型预测控制方法、设备和存储介质 | |
| Ma et al. | Surrogate-assisted optimization of a five-phase SPM machine with quasi-trapezoidal PMs | |
| CN115021638A (zh) | 一种高效同步机的电磁暂态建模方法、系统及设备 | |
| CN116865610A (zh) | 基于超螺旋滑模观测器的永磁同步电机控制方法及系统 | |
| CN117318553B (zh) | 基于td3和维也纳整流器的低风速永磁直驱风电机组控制方法 | |
| Sun et al. | Multi‐objective comprehensive teaching algorithm for multi‐objective optimisation design of permanent magnet synchronous motor | |
| Lu et al. | Identification and compensation of force ripple in PMSLM using a JITL technique | |
| WO2023124893A1 (zh) | 基于神经网络的转矩估测方法、装置、设备及存储介质 | |
| CN114362595B (zh) | 基于粒子群自适应的多电机控制方法、装置和电子设备 | |
| Boudissa et al. | Improved Nelder-Mead algorithm for output voltage control of a synchronous generator | |
| Mariappan et al. | An enhanced control method for torque ripple minimization of switched reluctance motor using hybrid technique | |
| Gong et al. | Low-speed sensorless control of permanent magnet synchronous motors via the Cauchy–Gauss hybrid mutation particle swarm optimization algorithm | |
| CN114584026A (zh) | 一种优化永磁同步电机参数鲁棒性的方法及相关设备 | |
| CN111399383A (zh) | 基于acs算法的永磁同步发电机pid参数整定方法 | |
| Lei et al. | Research on speed control strategy of permanent magnet synchronous motor based on BP-SSO-pid algorithm | |
| CN109687445B (zh) | 配电网对异步风机接纳能力的评估方法、系统及终端设备 | |
| Ali | Efficiency optimisation with PI gain adaptation of field-oriented control applied on five phase induction motor using AI technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |